تخمین تخلخل در یک مخزن هیدروکربوری با استفاده از ترکیب الگوریتم شبیه ساز تبرید و شبکه عصبی مصنوعی- مطالعه موردی

نخلخل یکی از خصوصیات اصلی ذخایر هیدروکربوری است که نشان دهنده حجم سیال منفذی و قابلیت حرکت کردن آن است. تعیین تخلخل توسط روش هایی مانند آنالیز مغزه مستلزم صرف زمان و هزینه گزافی می باشد و همچنین به علت نبود مغزه های کافی و تغییرات سنگ شناسی و ناهمگنی سنگ مخزن، تعیین این پارامتر توسط روش های معمول از دقت چندانی برخوردار نمی باشد. روش های هوش محاسباتی از روش های جدید، کم هزینه و دقیقی هستند که می توانند با استفاده از داده های چاه نگاری، تخلخل مخزن را در کمترین زمان ممکن بصورت غیرمستقیم تخمین بزنند. لذا در این مطالعه با استفاده از چاه نگارهای مختلف و یک روش ترکیبی هوش محاسباتی (شبکه عصبی مصنوعی بهینه شده با الگوریتم شبیه ساز تبرید) تخلخل را در یکی از مخازن هیدروکربوری جنوب غربی ایران (میدان مارون) بصورت غیرمستقیم تخمین زده شده است. جهت بکارگیری این روش ترکیبی هوش محاسباتی پایگاه داده متشکل از 1356 داده ی چاه نگاری، شامل وزن مخصوص، تخلخل نوترون، لاگ مقاومت ویژه الکترومغناطیسی، لاگ پرتو گاما و لاگ صوتی می باشد. نتایج مدلسازی این تحقیق نشان می دهد که روش ترکیبی هوش محاسباتی مذکور برای تخمین غیر مستقیم تخلخل در مخازنی که تخلخل از طریق مغزه اندازه گیری نشده دارای دقت و قابلیت بالایی است.